DESAIN EKSPERIMEN

BUJUR SANGKAR LATIN

Pengertian
desain Bujur Sangkar Latin (DBSL) digunakan
pada saat peneliti ingin menyelidiki pengaruh
perlakuan terhadap hasil eksperimen dan hasil
eksperimen tersebut juga dipengaruhi oleh dua
sumber variasi lain, dimana jumlah antara
perlakuan dan kedua sumber variasi yang lain
sama. Dengan demikian DBSL bertujuan untuk
menghilangkan dua jenis variasi dengan
melakukan pemblokan dua arah.
Alasan disebut sebagai DBSL yaitu
1) Bentuk desainnya bujur sangkar dengan kata lain jumlah taraf
antara baris dan kolom sama dengan jumlah taraf perlakuan.
2) Perlakuan diberi nama sesuai dengan huruf latin seperti:
A,B,C,…,Z.
Contoh :
Ingin diselidiki sebuah eksperimen dengan perlakuan sebanyak 6
buah perlakuan.
Sehingga banyaknya taraf perlakuan (p) = taraf kolom = taraf baris
= 6.
Tiap huruf latin (A – F) hanya boleh muncul tepat 1 kali
dalam tiap baris dan kolom.
Bentuk DBSL dari permasalahan di atas adalah sebagai berikut :
A B C D E F
B C D E F A
C D E F A B Bujur Sangkar Latin Standar
D E F A B C
E F A B C D
F A B C D E
DBSL di atas dinamakan Bujur Sangkar Latin Standar
karena baris dan kolom pertama mempunyai abjad yang
urut mulai dari A – F.
Model statistik untuk desain bujur sangkar Latin
Yijk     i   j   k   ijk
dengan I = 1, 2, 3,…, p
j = 1, 2, 3,…, p p = banyaknya taraf perlakuan
k = 1, 2, 3,…, p 

 Yijk : hasil observasi yang dicatat dari baris ke-i, kolom ke-k dan
perlakuan ke-j
 µ : rata-rata keseluruhan
 αi : efek baris ke-i
  i
: efek perlakuan ke-j
 ßk : efek kolom ke-k
  ijk : sesatan random dengan ~ DNI(0, )  2
Analisis Statistik
Langkah-langkah analisis statistik
1) Menentukan hipotesis
 Model efek tetap
H0 : µ1= µ2= ...= µa
( Semua perlakuan memberikan hasil yang sama terhadap respon)
H1 : paling sedikit µi  µj untuk sebuah i  j
(Paling sedikit dua buah perlakuan memberikan hasil yang berbeda
terhadap respon)
atau
H0 :  1   2  ...   a  0 ( Perlakuan tidak mempengaruhi respon)
H1 : paling sedikit terdapat sebuah  i  0
(Perlakuan mempengaruhi respon)

 Model efek random

H0 :  2  0 ( Tidak terdapat variabilitas diantara perlakuan)
2
H1 :    0 (Terdapat variabilitas diantara perlakuan)
2) Menentukan α
3) Menentukan daerah kritis
H0 ditolak jika F0 > F(α, (p-1), (p-2) (p-1))
RKPerlakuan
F0 
RKS
4) Menentukan statistik uji yaitu
5) Menarik kesimpulan.
 Sumber db JK RK ERK F0
variasi

Perlakuan p-1 JKP JKP/ p-1 p  2 j RKP

F0 
2  j
RKS
p 1
Baris p-1 JKB JKB/ p-1 p 2 j
2  j

p 1
Kolom p-1 JKK JKK/ p-1 p  2 j
2  j

p 1
Sesatan (p-2) (p-1) JKS JKS/(p-2) 2
(p-1)

Total p2-1 JKT

Menduga Nilai yang Hilang
Seperti halnya pada desain Blok Random Lengkap (RBRL)
apabila terdapat data yang hilang dengan alasan yang dapat
diterima, maka analisis variansi untuk data tersebut masih dapat
dilakukan yaitu dengan mengestimasi data yang hilang tersebut
sehingga didapat nilai sesatan yang paling kecil. Data yang hilang
tersebut diestimasi dengan rumus

Yijk 
 
p y 'i..  y '. j .  y '.. k  2 y ' ...
( p  2)( p  1)
Akibat dari adanya estimasi nilai yang hilang adalah berkurangnya
derajat bebas sesatan sebanyak data yang diestimasi.
 desain BUJUR SANGKAR
GRAECO-LATIN
 Pengertian
desain bujur Sangkar Graeco-Latin (RBSGL) bertujuan
untuk menghilangkan tiga jenis variasi. RBSGL digunakan
apabila ditemui suatu keadaan dimana respon dipengaruhi oleh
tiga sumber variasi selain perlakuan.
 Alasan disebut RBSGL yaitu
1) Terdapat 4 buah faktor yaitu faktor baris, kolom, huruf-huruf Latin
dan huruf-huruf Greek.
2) Keempat faktor mempunyai taraf yang sama.
3) Setiap perlakuan hanya muncul sekali di setiap baris, kolom dan
huruf Greek.
Model Statistik untuk Analisis
Y           
RBSGL ijkl i j k l ijkl


i = 1,2,3,…, p
dengan j = 1,2,3,…, p p = banyaknya taraf perlakuan
k = 1,2,3,…, p
l = 1,2,3,…, p


Yijkl : hasil observasi yang dicatat dari baris ke-i, kolom ke-l
huruf latin ke-j dan huruf Greek ke-k
  : rata-rata keseluruhan
  i : efek baris ke-i
  j : efek huruf Latin ke-j
  k : efek huruf Greek ke-k
  l : efek kolom ke-l
  ijkl : sesatan random dengan ~ DNI (0,  2 )
 Analisis Statistik
Langkah-langkah Analisis Statistik
1) Menentukan hipotesis
 Model efek tetap
H0 : µ1= µ2= ...= µa
( Semua perlakuan memberikan hasil yang sama terhadap
respon)
H1 : paling sedikit µi  µj untuk sebuah i  j
(Paling sedikit dua buah perlakuan memberikan hasil yang
berbeda terhadap respon)
atau
H0 : 1   2  ...   a  0 ( Perlakuan tidak mempengaruhi
respon)
H1 : paling sedikit terdapat sebuah  i  0
(Perlakuan mempengaruhi respon)
 Model efek random
H0 :   0
2
( Tidak terdapat variabilitas diantara perlakuan)
H1 :   0 (Terdapat variabilitas diantara perlakuan)
2

2) Menentukan α
3) Menentukan daerah kritis
H0 ditolak jika F0 > F(α, (p-1), (p-3) (p-1))
4) Menentukan statistik uji yaitu F0  RKPerlakuan
RKS
5) Menarik kesimpulan.
 Sumber db JK RK ERK F0
variasi

p  j
2
Perlakuan p-1 JKP JKP/ p-1 RKP
F0 
2 
j
RKS
p 1
p  i
2
Baris p-1 JKB JKB/ p-1
2  i

p 1
p l
2
Kolom p-1 JKK JKK/ p-1
2  l

p 1
p  k
2
Huruf Greek p-1 JKGreek JKGreek/
(p-1) 2  k

p 1
Sesatan (p-3) (p-1) JKS JKS/(p-3)
(p-1)
 2

Total p2-1 JKT

 CONTOH APLIKASI
desain Bujur Sangkar Latin
Seorang peneliti ingin menguji pengaruh jarak tanam terhadap produksi
sawi pada lahan yang memiliki kemiringan berbeda 50 10 0 0
yaitu15 , , .
desain yang digunakan adalah desain bujur sangkar latin 3x3 yang terdiri
dari 3 perlakuan jarak tanam dan 3 periode masa panen. Periode panen
sawi adalah tiap 2 bulan. Perlakuan yang diberikan adalah
A = Jarak tanam 15x15 cm
B = Jarak tanam 15x20 cm
C = Jarak tanam 15x25 cm.
Berikut ini adalah hasil pengamatan produksi sawi pada 3 periode panen
Periode Panen

Lahan I II III

Kemiringan 50 5,50 (A) 5,52 (B) 5,50 (C)

Kemiringan 100 5,58 (B) 5,59 (C) 5,67 (A)

Kemiringan 150 5,70 (C) 5,69 (A) 5,70 (B)

Penyelesaian
Periode panen

Lahan I II III
Yi..
Kemiringan 50 5,50 (A) 5,52 (B) 5,50 (C) 16,52

Kemiringan 100 5,58 (B) 5,59 (C) 5,67 (A) 16,84

Kemiringan 150 5,70 (C) 5,69 (A) 5,70 (B) 17,09

16,78 16,8 16,87 Y... = 50,45

Y.. k
Perlakuan A = 16,86
B = 16,8
Y. j . C = 16,79
Uji hipotesis :
1. H0 : Tidak terdapat pengaruh dari perlakuan jarak
tanam terhadap jumlah produksi tanaman sawi
H1 : Terdapat pengaruh dari perlakuan jarak tanam
terhadap jumlah produksi tanaman sawi
2. Digunakan α = 5%
3. Daerah kritis
H0 ditolak jika Fhitung > F(0,05 ; 2 ;2 ) = 19
 4. Statistik uji
P P P
Y ...2
= Yijk 
2
JKT = 0,0599
i j k N
Yi ..2 Y ...2
p
JKB =  = 0,0547
i 1 p N
2
p
Y ..k Y ...2
JKK =   = 0,0018
i 1 p N
p Y . j .2Y ... 2
JKP = 
i 1 p

N
= 0,0012
JKS = JKT – JKB – JKK – JKP
= 0,0599 - 0,0547 - 0,0018 - 0,0012
= 0,0022
 Sumber variasi db JK RK F
Perlakuan 2 0,0012 0,0006
RKP 0,0006

Baris 2 0,0547 0,02735 RKS 0,0011

Kolom 2 0,0018 0,0009 = 0,5455

Sesatan 2 0,0022 0,0011

Total 8 0,0599

5. Kesimpulan
Karena Fhitung = 0,5455 < F(0,05 ; 2 ;2 ) = 19 maka H0 tidak ditolak
(diterima) yang artinya tidak terdapat pengaruh dari perlakuan jarak
tanam terhadap jumlah produksi tanaman sawi pada ketiga lahan.
 Uji Asumsi
1. Asumsi normal dipenuhi apabila Normal probability plot of residuals
membentuk atau mendekati garis lurus.
Dengan Minitab 11 didapatkan plot

Normal Probability Plot of the Residuals

(response is HASIL)

0.02

0.01
Residual

0.00

-0.01

-0.02
-1 0 1

Normal Score

Dari plot diatas dapat dilihat bahwa plot membentuk atau mendekati garis lurus
sehingga asumsi kenormalan dipenuhi.
2. Asumsi homogenitas dipenuhi jika Residual versus the fitted values
tidak membentuk suatu pola tertentu atau acak.

Residuals Versus the Fitted Values

(response is HASIL)

0.02

0.01
Residual

0.00

-0.01

-0.02
5.5 5.6 5.7

Fitted Value

Dari plot diatas dapat dilihat bahwa plot tidak membentuk suatu pola
tertentu atau acak, sehingga asumsi homogenitas dipenuhi.
3. Asumsi independensi dipenuhi jika Residual versus the order of the data
tidak membentuk suatu pola tertentu atau acak

Residuals Versus the Order of the Data

(response is HASIL)

0.02

0.01
Residual

0.00

-0.01

-0.02
1 2 3 4 5 6 7 8 9

Observation Order

Dari plot diatas dapat dilihat bahwa plot tidak membentuk suatu pola
tertentu atau acak, sehingga asumsi independensi dipenuhi.

Kesimpulan :
Karena semua asumsi dipenuhi maka tidak terdapat ketidakcocokan model dengan
data atau model sudah sesuai dengan data.
Menduga nilai yang hilang pada desain Bujur
Sangkar Latin (RSBL)
Periode panen
Yi..
Lahan I II III

Kemiringan 50 5,50 (A) 5,52 (B) 5,50 (C) 16,52

Kemiringan 100 5,58 (B) X (C) 5,67 (A) 11,25

Kemiringan 150 5,70 (C) 5,69 (A) 5,70 (B) 17,09

16,78 11,21 16,87 Y... = 44,86

Y.. k
Yijk 
 
p y 'i..  y '. j .  y '.. k  2 y ' ...
( p  2)( p  1)
3(11,25  11,2  11,21)  2(44,86)

1. 2
3(33,66)  89,72

2
11,26

2
 5,63 Sehingga datanya menjadi
Periode panen

Lahan I II III
Yi..
Kemiringan 50 5,50 (A) 5,52 (B) 5,50 (C) 16,52

Kemiringan 100 5,58 (B) 5,63 (C) 5,67 (A) 16,88

Kemiringan 150 5,70 (C) 5,69 (A) 5,70 (B) 17,09

16,78 16,84 16,87 Y... = 50,49

Y.. k
 Uji hipotesis
1. H0 : Tidak terdapat pengaruh dari perlakuan jarak
tanam terhadap jumlah produksi tanaman sawi
H1 : Terdapat pengaruh dari perlakuan jarak tanam
terhadap jumlah produksi tanaman sawi
2. Digunakan α = 5%
3. Daerah kritis
H0 ditolak jika Fhitung > F(0,05 ; 2 ;1 ) = 199,50
 P P P
Y ...2
Y 
2
JKT = ijk = 0,0598
i j k N
p
Yi ..2 Y ...2
JKB =   = 0,0554
i 1 p N
p 2 2
Y .. Y ...
JKK =

i 1 p
k

N
= 0,0014

p Y . .2
Y ... 2
JKP =
  = 0,0006
j

i 1 p N

JKS = JKT – JKB – JKK – JKP

= 0,0598 - 0,0554 - 0,0014 - 0,0006
= 0,0024
 Sumber variasi db JK RK F

Perlakuan 2 0,0006 0,0003

0,125
Baris 2 0,0554 0,0277

Kolom 2 0,0014 0,0007

Sesatan 1 0,0024 0,0024

Total 7 0,0598

 Kesimpulan
Karena Fhitung = 0,125< F(0,05 ; 2 ; 1 ) = 199,50 maka H0 tidak ditolak
(diterima) yang artinya tidak terdapat pengaruh dari perlakuan jarak tanam
terhadap jumlah produksi tanaman sawi pada ketiga lahan.
 desain Bujur Sangkar Graeco
Latin
Seperti penelitian pada DBSL, tetapi disini terdapat 4 perlakuan
jarak tanam dan 4 periode panen,
0 dengan mengambil 1 lahan
20
tambahan dengan kemiringan . Pada penelitian kali ini akan
ditambah dengan pemberian dosis pupuk KASTING pada tanaman
sawi yaitu dengan α pupuk dengan dosis 5%, β 10%, γ 12%, dan δ
pupuk dengan dosis 15%.
Perlakuan yang diberikan adalah
A = Jarak tanam 15x15 cm B = Jarak tanam 15x20 cm
C = Jarak tanam 15x25 cm D = Jarak tanam 20x20 cm
 Hasil penelitian dengan RBSGL adalah
Periode panen

Lahan I II III IV

Kemiringan 50 5,69 (Aα) 5,69 (Bβ) 5,70 (Cγ) 5,70 (Dδ)

Kemiringan 100 5,67 (Bβ) 5,60 (Aγ) 5,52 (Dδ) 5,52 (Cα)

Kemiringan 150 5,59 (Cγ) 5,58 (Dδ) 5,50 (Aα) 5,50 (Bβ)

Kemiringan 200 5,50 (Dδ) 5,52 (Cα) 5,50 (Bβ) 5,50 (Aγ)
Penyelesaian
Periode panen

Lahan I II III IV Yi ...

Kemiringan 50 5,69 (Aα) 5,69 (Bβ) 5,70 (Cγ) 5,70 (Dδ) 22,78

Kemiringan 100 5,67 (Bβ) 5,60 (Aγ) 5,52 (Dδ) 5,52 (Cα) 22,31

Kemiringan 150 5,59 (Cγ) 5,58 (Dδ) 5,50 (Aα) 5,50 (Bβ) 22,17

Kemiringan 200 5,50 (Dδ) 5,52 (Cα) 5,50 (Bβ) 5,50 (Aγ) 22,02

22,45 22,39 22,22 22,22

Y...l Y .... =89,28
Huruf Greek (pemberian pupuk) Perlakuan (jarak tanam) Y.j..
α = Y..1. = 22,23 A = 22,29
β = Y..2. = 22,36 B = 22,36
γ = Y..3. = 22,39 C = 22,33
δ = Y..4. = 22,3 D = 22,3

 Uji hipotesis
H0 : Tidak terdapat pengaruh dari keempat perlakuan jarak tanam
terhadap jumlah produksi tanaman sawi
H1 : Terdapat pengaruh dari keempat perlakuan jarak tanam
terhadap jumlah produksi tanaman sawi
Digunakan α = 5%
Daerah kritis
H0 ditolak jika Fhitung > F(0,05 ; 3 ; 3 ) = 9,28
Statistik uji
Y 2 ....
JKT =  Y
i j k l
2
ijkl 
N = 0,1044
Y 2 i ... Y 2 ....
p

JKB =   = 0,08105
i 1 p N
Y 2 ...l
p
Y 2 ....
JKK =   = 0,01045
l 1 p N
p Y 2 . ..
Y 2 ....
=  
j
JKP = 0,00075
j 1 p N
p
Y 2 ..k . Y 2 ....
JKG =   = 0,00375
j 1 p N

JKS = JKT - JKB - JKK - JKP - JKG

= 0,1044 - 0,08105 - 0,01045 - 0,00075 - 0,00375
= 0, 0084
Sumber variasi db JK RK F

Perlakuan 3 0,00075 0,00025

RKP
Baris 3 0,08105 0,027 RKS
0,00025

Kolom 3 0,01045 0,00348 0,0028
 0,0893
Greek 3 0,00375 0,00125

Sesatan 3 0,0084 0,0028

Total 15 0,1044

Kesimpulan
Karena Fhitung = 0,0893 < F(0,05 ; 3 ; 3 ) = 9,28 maka H0 tidak ditolak
(diterima) yang artinya tidak terdapat pengaruh dari keempat perlakuan
jarak tanam terhadap jumlah produksi tanaman sawi .
 Uji Asumsi
1. Asumsi normal dipenuhi apabila Normal probability plot of residuals
membentuk atau mendekati garis lurus.
Dengan Minitab 11 didapatkan plot

Normal Probability Plot of the Residuals

(response is HASIL)

0.05

0.04

0.03

0.02
Residual

0.01

0.00

-0.01

-0.02

-0.03

-1 0 1 2

Normal Score

Dari plot diatas dapat dilihat bahwa plot membentuk atau mendekati garis lurus
sehingga asumsi kenormalan dipenuhi.
2. Asumsi homogenitas dipenuhi jika Residual versus the fitted values
tidak membentuk suatu pola tertentu atau acak.

Residuals Versus the Fitted Values

(response is HASIL)

0.05

0.04

0.03

0.02
Residual

0.01

0.00

-0.01

-0.02

-0.03

5.5 5.6 5.7

Fitted Value

Dari plot diatas dapat dilihat bahwa plot tidak membentuk suatu pola
tertentu atau acak, sehingga asumsi homogenitas dipenuhi.
 3. Asumsi independensi dipenuhi jika Residual versus the order of the
data tidak membentuk suatu pola tertentu atau acak
Residuals Versus the Order of the Data
(response is HASIL)

0.05

0.04

0.03

0.02
Residual

0.01

0.00

-0.01

-0.02

-0.03

2 4 6 8 10 12 14 16

Observation Order

Dari plot diatas dapat dilihat bahwa plot tidak membentuk suatu pola
tertentu atau acak, sehingga asumsi independensi dipenuhi.
Kesimpulan
Karena semua asumsi dipenuhi maka tidak terdapat ketidakcocokan model
dengan data atau model sudah sesuai dengan data.
 KESIMPULAN
1. desain Bujur Sangkar Latin (DBSL) bertujuan untuk menghilangkan
dua jenis variasi dengan melakukan pemblokan dua arah.
Model statistik untuk DBSL
Yijk     i   j   k   ijk
dengan i= 1, 2, 3,…, p j = 1, 2, 3,…, p k = 1, 2, 3,…, p

2. desain Bujur Sangkar Graeco Latin (RBSGL) bertujuan untuk

menghilangkan tiga jenis variasi.
Model statistik untuk RBSGL

Yijkl     i   j   k   l   ijkl
dengan i = 1,2,3,…, p j = 1,2,3,…, p
k = 1,2,3,…, p l = 1,2,3,…, p